MétaCan
Menu
Retour à la cohorte
Enregistrement W3048815262 · doi:10.1002/mus.27044

Efficacy and safety of high infusion rate <scp>IVIG</scp> in <scp>CIDP</scp>

2020· article· en· W3048815262 sur OpenAlexaff
Yue Jiang, Meg Mendoza, Evelyn Sarpong, Shabber Mannan, Eduardo Ng, Hans Katzberg, Vera Bril, Carolina Barnett

Notice bibliographique

RevueMuscle & Nerve · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePeripheral Neuropathies and Disorders
Établissements canadiensUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicinePolyradiculoneuropathyAdverse effectAnesthesiaRecovery rateContinuous infusionInternal medicineGuillain-Barre syndromePediatrics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: We aimed to determine the safety and tolerance of higher rates of infusion of intravenous immunoglobulin (IVIG) in patients with chronic inflammatory demyelinating polyradiculoneuropathy (CIDP). METHODS: Patients began infusions with 10% IVIG at the standard rate of 0.08 mL/kg/min. If tolerated, infusion rates were incrementally increased to 0.14 mL/kg/min. We considered the frequency of infusions with adverse events (AEs) as the primary outcome. RESULTS: Nineteen of 25 patients safely tolerated the maximum rate of 0.14 mL/kg/min. We observed 25 treatment-related AEs (TAEs) over 13 infusions at standard or transitional rates, across seven patients. We observed no TAEs associated with the maximum infusion rate. CONCLUSIONS: We found that 10% IVIG can be safely administered at a high infusion rate (0.14 ml/kg/min) in most CIDP patients, reducing the treatment time and burden on healthcare resources.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,814
Score d'incertitude au seuil0,853

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,234
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMuscle & NerveMême sujetPeripheral Neuropathies and DisordersTravaux en français237 207